OpenSearch:Descripción general y prueba de servicios

Grupo de servicios

Categoría de servicio

Descripción

Servicios de búsqueda con agentes

Agentic Memory

Proporciona almacenamiento y recuperación de memoria a largo plazo, a corto plazo y contextual para servicios de IA agéntica y búsqueda inteligente. Admite operaciones de almacenamiento, consulta, actualización y olvido para diversos datos de búsqueda, incluida memoria personalizada, memoria de agente, memoria de búsqueda y gestión de Skills. El servicio utiliza tecnología de búsqueda híbrida y recuperación por múltiples rutas, y combina BM25 con recuperación vectorial para garantizar una recuperación de memoria eficiente y precisa.

El servicio Agentic Memory proporciona almacenamiento y gestión para dos tipos de datos: Memory y Skill. Memory almacena los pasatiempos, intereses y preferencias personales del usuario, mientras que Skill almacena lógica de ejecución y capacidades reutilizables.

large language model (LLM)

• Qwen3-235B-A22B: Una nueva generación de la serie Qwen de LLMs. Gracias a un entrenamiento exhaustivo, Qwen3 ha logrado avances significativos en razonamiento, seguimiento de instrucciones, capacidades de agente y soporte multilingüe. Admite más de 100 idiomas y dialectos, con potentes capacidades de comprensión, razonamiento y generación multilingüe.

• OpenSearch-Qwen-Turbo: Basado en el LLM Qwen-Turbo, este modelo se ajustó mediante aprendizaje supervisado para mejorar la generación aumentada por recuperación (RAG) y reducir el contenido dañino.

• Qwen-Turbo: El modelo más rápido y rentable de la serie Qwen, adecuado para tareas sencillas. Para obtener más información, consulte Select a model.

• Qwen-Plus: Un modelo equilibrado cuyo rendimiento de razonamiento, costo y velocidad se sitúan entre los de Qwen-Max y Qwen-Turbo. Es adecuado para tareas de complejidad moderada. Para obtener más información, consulte Select a model.

• Qwen-Max: El modelo con mejor rendimiento de la serie Qwen, ideal para tareas complejas y de múltiples pasos. Para obtener más información, consulte Select a model.

• DeepSeek-R1: Un LLM especializado en tareas de razonamiento complejo. Destaca por su capacidad para comprender instrucciones complicadas y garantizar la precisión de los resultados.

• DeepSeek-V3: Un modelo Mixture of Experts (MoE) que sobresale en textos largos, código, matemáticas, conocimiento enciclopédico y capacidades en idioma chino.

• DeepSeek-R1-distill-qwen-7b: Modelo ajustado sobre Qwen-7B mediante destilación de conocimiento, con muestras de entrenamiento generadas por DeepSeek-R1.

• DeepSeek-R1-distill-qwen-14b: Modelo ajustado sobre Qwen-14B mediante destilación de conocimiento, con muestras de entrenamiento generadas por DeepSeek-R1.

• DeepSeek-V4-Pro: Un modelo grande MoE insignia con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados, que admite de forma nativa un contexto ultralargo de millones de tokens. Entrenado con datos masivos de alta calidad, destaca en lógica matemática, razonamiento complejo, programación profesional y análisis profundo de textos largos, por lo que resulta adecuado para investigación de alto nivel, tareas ofimáticas complejas y escenarios avanzados de agentes inteligentes.

• DeepSeek-V4-Flash: Un modelo MoE eficiente y ligero con 284 mil millones de parámetros totales y 13 mil millones de parámetros activados, que admite de forma nativa un contexto ultralargo de millones de tokens. Ofrece inference rápida, baja latencia y bajo costo. Con capacidades generales equilibradas, está diseñado para tareas ligeras de alta concurrencia, como conversaciones cotidianas, creación de contenido, RAG básico y procesamiento por lotes de texto.

internet search

Si su base de conocimientos privada no proporciona una respuesta durante una búsqueda, puede habilitar internet search para recuperar información adicional. Esto complementa su base de conocimientos privada y, al combinarse con un LLM, permite generar respuestas más completas.

query analysis

Servicio de análisis de contenido de consultas que utiliza LLMs y capacidades de NLP para reconocer intenciones, expandir consultas similares y convertir lenguaje natural a SQL (NL2SQL) en las consultas de los usuarios. Esto mejora el rendimiento de la recuperación y la respuesta a preguntas en escenarios RAG.

Servicio general de análisis de consultas que utiliza un LLM para comprender la intención y expandir consultas similares en las consultas introducidas por el usuario.

sorting service

• Modelo de reordenamiento BGE: Servicio de calificación de documentos basado en el modelo BGE. Ordena los documentos en orden descendente según la puntuación de relevancia entre la consulta y el contenido del documento, y muestra las puntuaciones correspondientes. Este servicio admite chino e inglés, con una longitud máxima de entrada de 512 tokens (longitud de la consulta + documento).

• Modelo de reordenamiento propio de OpenSearch: Entrenado con conjuntos de datos de diversas industrias, este modelo proporciona un servicio de reordenamiento de alto nivel. Ordena los documentos según la relevancia semántica entre la consulta y el documento, de mayor a menor. Este servicio admite chino e inglés, con una longitud máxima de entrada de 512 tokens (longitud de la consulta + documento).

• Qwen3 sorting service-0.6B: Servicio de reordenamiento de documentos de la serie Qwen3. Admite más de 100 idiomas, con una longitud máxima de entrada de 32k tokens (longitud de la consulta + documento) y 0.6 mil millones de parámetros.

• text reranking-ops-bge-reranker-v2: Modelo de reordenamiento de texto de alto rendimiento para el reordenamiento detallado de resultados de recuperación, con el fin de mejorar la relevancia en escenarios RAG.

Servicios de procesamiento de texto y documentos

Jina AI Reader

Servicio de extracción de contenido web para LLMs que convierte cualquier URL en un formato de texto plano limpio y compatible con LLMs. Elimina anuncios, elementos de navegación y otra información que distrae para extraer únicamente el contenido principal de una página web.

document parsing

• document parsing service 001: Este servicio analiza documentos no estructurados (incluidos texto, tablas e imágenes) para extraer estructuras lógicas como encabezados y secciones, y las genera en un formato estructurado.

• document parsing service 002: Analiza diversos formatos de documentos no estructurados, como PDF e imágenes. Destaca por reconocer elementos complejos como tablas, fórmulas y gráficos, y ofrece velocidades rápidas de inference.

text vectorization

• OpenSearch text vectorization service-001: Servicio de vectorización de texto para más de 40 idiomas. La longitud máxima del texto de entrada es de 300 tokens y la dimensión del vector de salida es de 1536.

• OpenSearch universal text vectorization service-002: Servicio de vectorización de texto para más de 100 idiomas. La longitud máxima del texto de entrada es de 8,192 tokens y la dimensión del vector de salida es de 1024.

• OpenSearch text vectorization service-Chinese-001: Servicio de vectorización de texto para chino. La longitud máxima del texto de entrada es de 1,024 tokens y la dimensión del vector de salida es de 768.

• OpenSearch text vectorization service-English-001: Servicio de vectorización de texto para inglés. La longitud máxima del texto de entrada es de 512 tokens y la dimensión del vector de salida es de 768.

• GTE text vector-multilingual-Base: Servicio de vectorización de texto para más de 70 idiomas. La longitud máxima del texto de entrada es de 8,192 tokens y la dimensión del vector de salida es de 768.

• Qwen3 text vector-0.6B: Servicio de vectorización de texto de la serie Qwen3 para más de 100 idiomas. La longitud máxima de entrada es de 32k tokens, la dimensión del vector de salida es de 1,024 y el modelo cuenta con 0.6 mil millones de parámetros.

sparse text vectorization

Este servicio convierte datos de texto en una representación vectorial dispersa. Los vectores dispersos requieren menos almacenamiento y suelen utilizarse para representar palabras clave y señales de frecuencia de términos. Se pueden combinar con vectores densos para efectuar búsquedas híbridas y mejorar la calidad de la recuperación.

OpenSearch sparse text vectorization service: Servicio de vectorización de texto para más de 100 idiomas con una longitud máxima de texto de entrada de 8,192 tokens.

document chunking

Este servicio divide datos estructurados en formatos HTML, Markdown y TXT según los párrafos del documento, la semántica del texto o reglas específicas. También permite extraer código, imágenes y tablas de documentos en formato de texto enriquecido.

dimensionality reduction

embedding-dim-reduction: Servicio de ajuste fino de modelos vectoriales. Mediante entrenamiento personalizado, puede reducir vectores de alta dimensionalidad a dimensiones inferiores, lo que ayuda a mejorar la rentabilidad con un impacto mínimo en el rendimiento de la recuperación.

Servicios de procesamiento multimodal

multimodal embedding

• M2-Encoder-multimodal embedding model: Servicio multimodal bilingüe (chino e inglés) entrenado con 6 mil millones de pares imagen-texto (3 mil millones en chino y 3 mil millones en inglés) basado en BM-6B. El modelo admite recuperación cruzada de imágenes y texto, incluidas búsquedas de texto a imagen y de imagen a texto, así como tareas de clasificación de imágenes.

• M2-Encoder-Large-multimodal embedding model: Servicio multimodal bilingüe (chino e inglés). En comparación con el modelo M2-Encoder, tiene un tamaño mayor de 1 mil millones de parámetros, lo que proporciona mayores capacidades de representación y un mejor rendimiento en tareas multimodales.

• GME multimodal embedding-Qwen2-VL-2B: Servicio de embedding multimodal entrenado en modelos grandes de lenguaje multimodal (MLLMs) Qwen2-VL. Admite entradas monomodales y multimodales combinadas, lo que permite procesar de manera eficiente texto, imágenes y tipos de datos combinados.

• multimodal embedding-ops-mm-embedding-v1-2b: Modelo de embedding multimodal desarrollado por el equipo de IA de Alibaba Cloud OpenSearch. Ajustado sobre Qwen2-VL 2B Instruct, admite entradas monomodales y multimodales combinadas, incluidos texto, imagen y video, y los codifica en vectores semánticos para tareas de recuperación y comprensión cruzada.

• multimodal embedding-ops-mm-embedding-v1-7b: Modelo de embedding multimodal desarrollado por el equipo de IA de Alibaba Cloud OpenSearch. Ajustado sobre Qwen2-VL 7B Instruct, admite entradas monomodales y multimodales combinadas, incluidos texto, imagen y video, y los codifica en vectores semánticos para tareas de recuperación y comprensión cruzada.

• E-commerce multimodal embedding-ops-mm-embedding-ecom-001: Modelo de embedding multimodal personalizado para comercio electrónico, desarrollado por el equipo de IA de Alibaba Cloud OpenSearch. Admite búsquedas de imagen a imagen y de imagen a imagen con texto, por lo que resulta adecuado para la recuperación y comprensión cruzada en escenarios de comercio electrónico.

• Face multimodal embedding-ops-mm-embedding-face-001: Servicio para tareas de recuperación facial. Utiliza un modelo avanzado de embedding facial que admite entradas de una o varias imágenes, y codifica la información facial en vectores semánticos de alta dimensión para permitir una búsqueda y comparación facial eficiente y precisa.

Multimodal ranking

Proporciona un servicio de clasificación por relevancia de imágenes. En escenarios RAG y de búsqueda multimodal, este servicio de clasificación puede reordenar el contenido para mejorar la precisión de la recuperación y la calidad de la generación del LLM.

video summarization

Ofrece un servicio de resumen de video que comprende un segmento de video especificado y utiliza las capacidades del LLM para generar un resumen del video, un título y etiquetas.

video splitting

Este servicio comprende y analiza un video, extrae fotogramas clave y divide el video en los segmentos correspondientes.

keyframe extraction

keyframe extraction service 001: Proporciona extracción de contenido de video mediante la captura de fotogramas clave. Al combinarse con servicios de embedding multimodal o análisis de imágenes, permite la recuperación cruzada.

speech recognition

speech recognition service 001: Este servicio ofrece capacidades de conversión de voz a texto, y transforma rápidamente el habla de archivos de video o audio en texto estructurado. El servicio admite varios idiomas.

object detection

• object detection service-ops-object-detect-001: Localiza e identifica automáticamente el objetivo u objeto principal en una imagen o video. Admite la detección de uno o varios objetos, y es adecuado para aplicaciones como vigilancia inteligente, conducción autónoma y recuperación de imágenes.

• Face detection service-ops-object-detect-face-001: Localiza y reconoce automáticamente rostros en una imagen. Admite la detección de múltiples rostros y es adecuado para aplicaciones como vigilancia inteligente y recuperación de imágenes.

• Fashion object detection-ops-object-detect-fashion-001: Modelo de detección de objetos de la categoría moda desarrollado por el equipo de Alibaba Cloud OpenSearch. Admite la detección de más de 20 tipos de objetos relacionados con la moda, y genera categorías de objetos, cuadros delimitadores y puntuaciones de confianza. Se puede utilizar para la extracción de objetos en escenarios complejos, como entrada para tareas posteriores, y elimina la interferencia de fondos u otros objetos en los modelos de embedding y reordenamiento subsiguientes.

image content parsing

Image content understanding service: Utiliza un modelo grande de lenguaje multimodal para analizar, comprender y reconocer texto en imágenes. El texto analizado se puede utilizar en escenarios de búsqueda de imágenes y de preguntas y respuestas.

Image text recognition service: Realiza reconocimiento óptico de caracteres (OCR) en imágenes. El texto reconocido se puede utilizar en escenarios de búsqueda de imágenes y de preguntas y respuestas.